品牌
其他厂商性质
北京市所在地
Praxis OPCube 空气质量监测系统
一、 简介
Praxis OPCube空气质量监测系统，是专为空气质量监测提供的一款小型的开箱即用的监测解决方案。它体积小巧灵活。既解决了在变化的环境条件下获取准确数据的问题，也解决了空气质量监测中对颗粒物监测的需求。适用于路边监测、环境健康和地方空气质量调查等应用。
二、 特色及优势
三、系统组成
OPC（测量PM1、2.5和10），1个痕量气体传感器（选择气体类型），温湿度传感器、定位模块、电池（1小时）、12V电源适配器、安装支架。
四、 技术参数
1、痕量气体传感器：在CO、H2S、NO、NO2、O3、SO2、VOCs和CO2气体中选择一个监测。
1）电化学技术
| 参数 | 灵敏度 | 响应时间 | 噪声 | 测量范围 | 理论测量范围 | 线性误差 | 零点漂移 /年 | 灵敏度漂移/年 |
| CO | 220~410nA/ppm（@2ppm） | <30S（0~10ppm） | ±2标准差（20ppb） | 500ppm | 2000ppm | <±1ppm（满量程，0~15ppm线性） | <±100ppb | <10% |
| H2S | 1400~2200nA/ppm（@2ppm） | <60S（0~2ppm） | ±2标准差（5ppb） | 50ppm | 100ppm | <±0.5ppm（满量程，0~10ppm线性） | <±100ppb | <20% |
| NO2 | -175~-500nA/ppm（@2ppm） | <80S（0~2ppm） | ±2标准差（15ppb） | 20ppm | 50ppm | <±0.5ppm（满量程，0~20ppm线性） | 0~20ppb | <-20%~-40% |
| NO | 350~550nA/ppm（@2ppm） | <25S（0~2ppm） | ±2标准差（80ppb） | 20ppm | 50ppm | <±1ppm（满量程，0~5ppm线性） | 0~50ppb | 0~-20% |
| O3 | -200~650nA/ppm（@1ppm） | <80S（0~1ppm） | ±2标准差（15ppb） | 20ppm | 50 | <±0.5ppm（满量程，0~20ppm线性） | 0~20ppb | -20%~-40% |
| SO2 | 320~500nA/ppm（@2ppm） | <20S（0~2ppm） | ±2标准差（15ppb） | 50ppm | 100 | 0~-5ppb（@20ppm，0~2ppm线性） | <20ppb/年 | <15% |
2）NDRI 技术
| 参数 | 测量范围 | 精度 | 响应时间 | 零点分辨率 | 满量程分辨率 | 零点重复性 | 满量程重复性 | 校准系数 |
| CO2 | 0~5000ppm | 1%FS | <40S@20℃ | 10ppm | 50ppm | ±20ppm | ±50ppm | 0.0003 |
3）PID技术
| 参数 | 检测限 | 线性范围 | 灵敏度 | 稳定时间 | 加热时间 | 响应时间 |
| VOCs | 1ppb | 40ppm（3%偏差） | >25mV/ppm | 5min（@20ppb） | 5S | <3S |
2、PM颗粒物传感器
采用Alphasense OPC-N3光学粒子计数器，进行测量，包括PM1、PM2.5和PM10。
| 参数 | 粒径范围 | 粒径分类 | 采样间隔 | 总流速 | 采样流速 | 粒子计数率 | 偶合概率 |
| PM | 0.35~40μm | 24个（软件箱区分） | 1~30S | 5.5L/min | 280mL/min | 10000/s | 0.84%（@106个/L浓度），0.24%（@500个/L浓度） |
3、温湿度传感器：温度精度±0.2℃, 湿度精度±2%RH
4、传输通讯：4G无线传输
5、数据存储：通过AWS进行数据传输、数据控制和数据存储，或者采用客户自有设施；当地microSD数据存储
6、操作系统：Debian Linux
7、仪器处理器：SAMA5D27 CPU
8、时钟：通过备用电池时时同步，或通过定位、网络时钟等进行同步
9、供电：7~24VDC，内置电池，可供大于1个小时运行
10、标准配置下环境操作温度：-40℃~50℃
11、测量范围尺寸：154*154*130mm
12、重量：2kg
五、数据校准（模型算法）
出厂前已经把校准曲线内置于Praxis的传感器数据库中，并在中性环境（实验室中）运行检测，避免温湿度对传感器的影响。如果长期运行后需要校准，我们建议在当地环境气体夜间低浓度时进行，例如±5ppb的NO2气体浓度。
Praxis进行模型开发用来发现环境因素的影响系数。随后进行模型自动化学习（ML机器学习工具）。ML回归工具在本质上与手动调查具有相同的功能，但缩放到更多的环境因素和系数发现迭代上。
如下图，搭载了PM1、PM2.5和PM10数据解析软件系统，为PM传感器原始数据和模型算法后的对比图表：
| VS |
产地：英国
